火源信号是燃烧状态和燃烧环境的综合反映,是一种相当复杂的信号。研究火源信号为人们认识燃烧规律提供帮助,也为防灾减害提供有效途径。在燃烧现场不同位置布设多种类型的传感器,采集到的是高维非线性信号,能够反映实际燃烧状态的真实情况。使用先进的方法研究火源信号可以让我们从不同的角度去了解和认识燃烧,从而挖掘出更多燃烧的本质规律,为人类驾驭火提供帮助。采用构造非线性系统模型的方法来预测一些未知点的火场信息,比如火场各点的温度分布,火源点的强度、位置等,来进一步了解燃烧状态。利用机器学习方法构造复杂高维非线性系统回归模型已经成为了研究热点。本文提出了一种有效的高维非线性系统的建模方法——分布式脊波核函数模型。从核函数的构造出发,根据多分辨分析的思想,分析了采用具有良好高维性能的脊波作为核函数的可行性和优越性；应用统计学习理论中的结构风险最小化原理进行训练,减小预测误差,提高泛化能力；结合分类或聚类方法将训练和预测目标矢量先进行划分,使每类都对应自己的模型,进一步提高了预测能力和算法的自动化程度。利用本文方法进行实际火场温度分布的预测及火源强度和位置的估计等应用,丰富了整个火场的信息。本文综合了模糊自适应共振理论、多分辨分析思想和结构风险最小化原则,构造出了分布式脊波核函数回归模型,更适合于高维非线性系统建模。理论和实验结果表明,该模型能够很好的拟合复杂的高维非线性系统,适合于实际的工程应用。